基于数据挖掘的电商广告对用户购买行为影响研究.pdfVIP

中文摘要

如果电商企业要想在竞争激烈的环境中脱颖而出，就要挖掘分析海量数据，

目的是让企业驱动业务，拉动增长。从研究理论出发，目前众多专家学者在数据

驱动业务的相关领域做了大量研究，大多数研究集中在技术、产品等，但如何把

广告精准投放到针对人群，以此来降低广告费用的研究相对欠缺。从实践出发，

电商企业业务在成本方面，其中一块是支出费用，比如分发广告、优惠券费用等

等，但调研发现，电商企业花出去的广告费用占比较大。为了降低广告费用支出，

要把广告精准投放到针对人群，所以预测分析用户对什么种类广告感兴趣。一方

面让企业实现资源最大化，另一方面让用户快速找到愿意购买的产品，继而提升

复购率。

本文基于影响电商用户产生购买行为因素的相关研究、电商用户产生购买行

为的方法相关研究、广告对电商用户购买行为影响、算法的研究现状的国内外文

献的基础之上，挖掘分析海量数据预测用户对什么种类的广告感兴趣，主要包括

数据预处理，数据分析和模型构建三个部分。

数据预处理方面，首先判断数据是否存在缺失。其次对缺失较大的数据进行

删除，反之，用平均值填补。最后对数据进行归一化。

数据分析方面，数据分成四个方面——用户，广告，上下文，店铺，对这四

个方面的特征，拆解到最细粒度，进行分析，用k_means搭建用户画像，圈出企

业所要针对的用户人群。

模型构建方面，基于上面处理好的数据特征，采用PCA和LDA降维算法对

数据进行降维，去除数据的冗余信息，然后用机器学习算法对降维好的数据进行

计算，让模型更为精准。通过PCA+随机森林，PCA+GBDT,PCA+Adaboost，PCA+

线性回归，LDA+随机森林，LDA+GBDT等算法比较当中，发现PCA+随机森林

模型在预测用户对什么item_price_level（广告价格等级），item_collected_level（广

告收藏等级）和item_sales_level（广告销量等级）感兴趣时，不仅它的模型评价

recall,precision,交叉验证准确率高达95%，而且它的运行速度快，精准预测用户对

什么种类的广告感兴趣，丰富了研究广告影响用户购买行为理论文献，对当下的

电商企业业务实践起到一定指导作用。

最后,对本文的研究内容数据预处理，数据分析，模型构建进行总结,提出可

行性建议，并且对本文研究中的不足进行分析和展望。

关键词：电商广告；用户购买行为；随机森林；Adaboost；PCA;

ABSTRACT

Ife-commercecompanieswanttostandoutinafiercelycompetitive

environment,theyneedtomineandanalyzemassiveamountsofdata,with

theaimofdrivingbusinessandgrowth.Fromtheperspectiveofresearch

theory,manyexpertsandscholarshaveconductedextensiveresearchinthe

fieldofdata-drivenbusiness,withmostoftheresearchfocusedon

technology,products,etc.However,thereisarelativelackofresearchon

howtoaccuratelytargetadvertisingaudiencesandreduceadvertisingcosts.

Fromapracticalperspective,intermsofcost,oneaspectofe-commerce

businessisexpenditureexpenses,suchasdistributingadvertisements,

couponfees,etc.However,researchhasfoundthate-commerceenterprises

spendarelativelylargeproportionofad